德国大学学费如何影响入学率：高维下的稳健模型选择与基于设计的推断
应用统计
2021-01-05 v2 计量经济学
机器学习
摘要
我们利用德国全部 16 个联邦州的官方数据，研究 2006–2014 年间各州依赖的 1000 欧元统一大学学费对学生入学行为的因果效应。特别地，我们展示了如何借助各州与时间上引入方案的变化，在控制大量潜在影响州异质性的属性后，识别学费的联邦平均因果效应。我们提出一种稳定性后双重选择方法，以在透明建模的未知响应分量中稳健地确定跨类型的因果效应。所提的两步 LASSO 选择中的稳定性重采样方案有效降低了当学费政策决策也依赖于州入学率相关变量时的模型欠指定风险及由此产生的有偏效应。对样本中完整横截面州总体的正确推断需要恰当的设计——而非基于抽样的标准误。借助数据驱动的模型选择与对空间交叉效应的显式控制，我们检测到学费引发了显著的迁移效应，其中流动既来自收费州也来自非收费州，表明也存在一种出于质量考虑的普遍流动。总体而言，我们发现学费对学生入学率有高达 4.5 个百分点的显著负向影响。这与朴素的一步 LASSO 或先前带有全固定效应线性面板回归的经验研究形成对比，后者普遍低估了影响规模且仅得到不显著效应。
引用
@article{arxiv.1909.08299,
title = {How have German University Tuition Fees Affected Enrollment Rates: Robust Model Selection and Design-based Inference in High-Dimensions},
author = {Konstantin Görgen and Melanie Schienle},
journal= {arXiv preprint arXiv:1909.08299},
year = {2021}
}